教程演示🔗
课程描述
Data Science & Machine Learning: Naive Bayes in Python 是由 Udemy Academy 出版的 Python 编程语言的数据科学和机器学习培训课程。在本培训课程的过程中，将以完全专业的方式讨论和分析简单的 Biz 分类器。人工智能由一组不同的算法组成，每个算法都有特定的应用。分类器，尤其是简单贝叶斯分类器是贝叶斯统计领域最重要的课题之一，被用于计算机视觉、自然语言处理、经济分析、健康与制药、基因组学等各个领域。如果不学习这个非常重要的主题，您将无法学习更新和更高级的主题。
朴素贝叶斯具有独特的类型和子集，其中最重要的是高斯朴素贝叶斯、伯努利朴素贝叶斯和多项式朴素贝叶斯。贝叶斯）指出。
您将在数据科学与机器学习中学到什么：Python 中的朴素贝叶斯：
- 简单贝叶斯子集在计算机视觉和图像分类领域的使用
- 简单贝叶斯子集在文本分类和自然语言处理领域的应用
- 简单贝叶斯子集在疾病预测和诊断、经济和金融分析以及基因组学领域的使用。
- 不同的简单贝叶斯算法
- 构建和开发简单的基于 Biz 的模型的不同方法
课程规格
出版商：Udemy 讲师：Lazy Programmer Inc 和 Lazy Programmer Team 语言：英语水平：入门到高级课程数量：32 课时：5 小时
要求
-
体面的Python编程技能
-
使用 Numpy、Matplotlib 和 Pandas 的经验（我们将使用这些）
-
对于高级部分：知道概率
描述
在这个自定进度的课程中，您将学习如何将朴素贝叶斯应用于各个领域的许多真实数据集，例如：
- 计算机视觉
- 自然语言处理
- 财务分析
- 卫生保健
- 基因组学
你为什么要学习这门课程？朴素贝叶斯是机器学习、数据科学和人工智能中的基本算法之一。没有掌握它的从业者是不完整的。
本课程旨在适合所有级别的学生，无论您是初级、中级还是高级。您将了解朴素贝叶斯如何工作的直觉，以及如何在考虑朴素贝叶斯算法的独特特征的同时有效地应用它。您将了解何时以及为何使用 Scikit-Learn 中包含的不同版本的朴素贝叶斯，包括 GaussianNB、BernoulliNB 和 MultinomialNB。
在课程的高级部分，您将了解朴素贝叶斯的真正工作原理。您还将学习如何从头开始实现朴素贝叶斯的多个变体，包括高斯朴素贝叶斯、伯努利朴素贝叶斯和多项式朴素贝叶斯。高级部分需要概率知识，所以要做好准备！
感谢您的阅读，希望很快见到您！
建议先决条件：
- 体面的Python编程技能
- 熟悉 Numpy 和 Matplotlib 等数据科学库
- 对于高级部分，需要概率知识
我应该按什么顺序上你们的课程？
- 查看讲座“机器学习和 AI 先决条件路线图”（可在我的任何课程的常见问题解答中找到，包括我的免费课程）
独特的功能
- 每行代码都有详细解释 – 如果您不同意，请随时给我发电子邮件
- 平均不到 24 小时的问答响应时间
- 不惧怕大学水平的数学——了解其他课程遗漏的有关算法的重要细节
本课程适合谁：
- 对数据科学和机器学习感兴趣的初学者 Python 开发人员
- 对机器学习基础知识感兴趣的学生和专业人士
图片
